Dieser Beitrag ist nicht wirklich als „Antwort“ gedacht, sondern eher als Beitrag zur Diskussion.
Als ich in der Fertigungsqualitätsabteilung arbeitete, folgte ich einem ähnlichen Prozess: Ich visualisierte die Situation und identifizierte dann eine Art Gruppen, markierte sie und versuchte, sie vorherzusagen/zu erklären. Glücklicherweise ist es ziemlich einfach, einfach verschiedene Methoden in JMP auszuprobieren, wie z. B. Clustering oder Partitionsanalyse, nachdem Sie die Gruppen erstellt haben.
Ich mag Sankey Plot auch zur Visualisierung solcher Situationen, wenn es nicht zu viele Spalten gibt. Außerdem ist es in JMP standardmäßig etwas schwierig, Spalten zu ändern, aber Sie haben möglicherweise bereits eine gute Vorstellung von der möglichen Ursache, bevor Sie überhaupt mit Sankey beginnen
Mehr anzeigen...Ich habe schließlich das Add-In
„Enhanced Sankey Plot“ erstellt, um die Verwendung von Sankey Plot im Graph Builder für EDA (explorative Datenanalyse) in Fällen wie diesem zu vereinfachen. Außerdem „unterstützt“ es die Verwendung von Partitions- oder Prädiktor-Screening/Bootstrap-Forest, um die Analyse durch automatische Sortierung der Spalten zu unterstützen.
Nach der automatischen Bestellung würden Sie höchstwahrscheinlich so etwas erhalten 
Normalerweise ist es eine gute Idee, eine Art Sortierung festzulegen, um sofort zu sehen, dass es nichts Zeitbezogenes ist, in diesem Fall nur Batch
Bei dieser praktischen Aktivität kann es etwas schwierig sein, die Punkte nur mit dem Lasso-Werkzeug auszuwählen, aber glücklicherweise ist es uns gelungen, sie als Linie zu visualisieren -> wir können eine neue Spalte erstellen, die das Verhältnis zwischen Monitor2 und Control5 darstellt, indem wir einfach eine Schnellformel verwenden, um die Werte einfacher auszuwählen.
Und wir können sofort einen hohen Ausschlag im Spaltenkopfdiagramm sehen
An dieser Stelle können wir auch einen kurzen Blick auf unsere anderen Spaltenüberschriften werfen, um zu sehen, ob etwas alarmierend aussieht
Vielleicht werkseitig, aber wir haben trotzdem Werte in mehreren Kategorien, sodass dies nicht alle unsere Ergebnisse erklärt.
Wenn wir eine genauere Auswahl wünschen, können wir die Interaktivität von JMP mit Distribution + Graph Builder nutzen, zum Beispiel
Wir können diese auswählen und eine neue Spalte mit Namensauswahl in der Spalte erstellen oder einfach diese neue Verhältnisspalte als unsere Antwort in der Partitionsanalyse / Vorhersageprüfung verwenden (es wird nicht so offensichtlich sein, wenn wir nur unsere Verhältnisspalte verwenden, aber es ist eine sehr schnelle Möglichkeit zu prüfen, ob wir etwas haben). Ich denke, Predictor Screening und Partition sind gute Ausgangspunkte, aber wenn es nicht zu viele Spalten gibt, können wir auch einfach die visuelle Option mit dem Column Switcher im Graph Builder verwenden
Mehr anzeigen...
Ich habe nichts weiter getan als das, was im Webinar gelehrt wurde, da ich einfach die „seltsamen Linien“-Daten von Control 5 Monitor 2 aus dem Graph Builder-Diagramm mit dem Lasso-Tool hervorgehoben habe, dann die hervorgehobenen Zeilen in dieser Auswahl verwendet und eine neue Spalte erstellt habe, wobei ich diese hervorgehobenen Zeilen OOC und die anderen Spalten als gut bezeichnet habe. Dann habe ich die Partitionsanalyse aller anderen verbleibenden Faktoren durchgeführt und festgestellt, dass fast alle meine OOC-Datenpunkte aus der internen Fabrik stammten. Ich bin zum Graph Builder zurückgekehrt und habe einen lokalen Datenfilter für „Factory“ ausgeführt und überprüft, dass die Ursache für die „seltsame Linie“ von Control 5 Monitor 2 auf die interne Fabrik zurückzuführen war, als die Messung von Control 1 >57,3 war.
@chrsmth Danke, dass Sie das so schnell ausprobiert haben!
